matlab《数字图像处理》第4章-图像类型与彩色模型的转换--附要点
MATLAB图像处理基础教程
MATLAB图像处理基础教程第一章：MATLAB图像处理简介MATLAB（Matrix Laboratory）是一种强大的数值计算和数据可视化软件，广泛应用于各个领域，包括图像处理。
图像处理是一门研究如何对数字图像进行分析、增强、重建和压缩的学科。
本教程将引导读者逐步了解MATLAB图像处理的基本概念和技术。
第二章：MATLAB图像的读取与显示在MATLAB中，可以使用imread函数读取不同格式的图像文件，并使用imshow函数显示图像。
此外，还可以使用imfinfo函数获取图像的详细信息，如分辨率、颜色空间和位深度等。
第三章：图像的灰度处理灰度处理是一种常见的图像预处理方法。
通过将彩色图像转换为灰度图像，可以减少图像的数据量，简化图像处理的复杂性。
在MATLAB中，可以使用rgb2gray函数将彩色图像转换为灰度图像，并使用imhist函数查看灰度图像的直方图。
第四章：图像的滤波处理滤波是一种常用的图像处理操作，用于对图像进行平滑、增强或去噪。
MATLAB提供了各种滤波函数，如均值滤波、中值滤波和高斯滤波等。
可以根据具体需求选择合适的滤波方法，并使用imfilter函数进行滤波处理。
第五章：图像的二值化处理图像的二值化是将图像转换为黑白两色的过程，常用于物体检测、识别和分割等应用。
在MATLAB中，可以使用im2bw函数将灰度图像转换为二值图像，并可以调整阈值来控制二值化的效果。
第六章：图像的几何变换几何变换是一种常见的图像处理操作，用于对图像进行旋转、缩放、平移和翻转等操作。
MATLAB提供了imrotate、imresize、imtranslate和flip函数等实现各种几何变换。
通过组合这些函数，可以实现复杂的图像变换。
第七章：图像的特征提取图像的特征提取是图像处理中的重要步骤，用于从图像中提取出具有代表性的信息。
在MATLAB中，可以使用各种特征提取函数，如imgradient、imhistogram和imcontour等。
Matlab课设_图像的输入输出及格式转换
课程设计任务书学生姓名：专业班级：指导教师：工作单位：信息工程学院题目:利用MATLAB仿真软件进行图像的输入、输出和格式变换要求完成的主要任务:读取、保存和显示不同格式的图像，并进行图像格式的相互变换如索引图像、灰度图像、RGB图像和二值图像的相互转换课程设计的目的：1．理论目的课程设计的目的之一是为了巩固课堂理论学习，并能用所学理论知识正确分析信号处理的基本问题和解释信号处理的基本现象。
2．实践目的课程设计的目的之二是通过设计具体的图像信号变换掌握图像和信号处理的方法和步骤。
课程设计的要求：每个学生单独完成课程设计内容，并写出课程设计说明书、给出程序清单，最后通过课程设计答辩。
时间安排：指导教师签名：年月日系主任（或责任教师）签字：年月日目录摘要 (I)Abstract (II)1设计项目要求与说明 (1)1.1设计项目要求 (1)1.2Matlab简介及其在图像处理与分析的应用 (1)1.2.1Matlab简介 (1)1.2.2数字图像及其处理 (1)1.2.3Matlab在图像处理与分析的应用 (3)2软件流程分析 (6)2.1图像的读取 (6)2.2图像的显示 (6)2.2.1以图像形式输出（图像的显示） (6)2.2.2索引图像的显示 (7)2.2.3灰度图像的显示 (7)2.2.4二值图像的显示 (7)2.2.5RGB图像的显示 (7)2.2.6以图像文件的形式输出（图像文件形式之间的转换） (7)2.3图像的保存 (8)2.4图像类型的相互转换 (9)2.4.1RGB图像→灰度图像 (9)2.4.2RGB图像→索引图像 (9)2.4.3RGB图像→二值图像 (9)2.4.4索引图像→RGB图像 (9)2.4.5索引图像→灰度图像 (10)2.4.6灰度图像→索引图像 (10)2.4.7灰度图像→二值图像 (10)3调试分析 (11)3.1图像读取 (11)3.2图像显示 (12)3.2.1索引图像显示 (12)3.2.2灰度图像显示 (12)3.2.3二值图像显示 (13)3.2.4RGB图像显示 (13)3.3图像类型的相互转换 (14)3.3.1RGB图像→灰度图像 (14)3.3.2RGB图像→索引图像 (14)3.3.3RGB图像→二值图像 (15)3.3.4索引图像→灰度图像 (15)3.3.5灰度图像→索引图像 (16)3.3.6灰度图像→二值图像 (16)4附录（程序清单及使用图像） (17)4.1图像的读取 (17)4.2图像的显示 (17)4.2.1索引图像显示 (17)4.2.2灰度图像显示 (17)4.2.3二值图像显示 (17)4.2.4RGB图像显示 (17)4.3以图像文件的形式输出（图像文件形式之间的转换） (18)4.4图像类型的相互转换 (18)4.4.1RGB图像→灰度图像 (18)4.4.2RGB图像→索引图像 (18)4.4.3RGB图像→二值图像 (18)4.4.4索引图像→灰度图像 (18)4.4.5灰度图像→索引图像 (19)4.4.6灰度图像→二值图像 (19)4.5原图像 (19)5课程设计总结 (22)6参考资料 (23)摘要MATLAB语言是由美国MathWorks公司推出的计算机软件，经过多年的逐步发展与不断完善，现已成为国际公认的最优秀的科学计算与数学应用软件之一，是近几年来在国内外广泛流行的一种可视化科学计算软件。
彩色图像处理MATLAB函数简介
thresholding.
im2double - Convert image array to double precision.
1 函数简介
ind2gray - Convert indexed image to intensity image.
ind2rgb
- Convert indexed image to RGB image
rgb2ycbcr - Convert RGB values to YCBCR color
space.
whitepoint - Returns XYZ values of standard
illuminants.
xyz2double - Convert XYZ color values to double.
grayslice - Create indexed image from intensity image
by thresholding.
graythresh - pute global image threshold using
Otsu's method.
im2bw
- Convert image to binary image by
space transform structure.
ntsc2rgb - Convert NTSC values to RGB color space.
1 函数简介
rgb2hsv - Convert RGB values to HSV color space
MATLAB Toolbox .
rgb2ntsc - ConvБайду номын сангаасrt RGB values to NTSC color space.
用matlab数字图像处理四个实验
数字图像处理实验指导书目录实验一MATLAB数字图像处理初步实验二图像的代数运算实验三图像增强-空间滤波实验四图像分割3实验一 MATLAB数字图像处理初步一、实验目的与要求1．熟悉及掌握在MATLAB中能够处理哪些格式图像。
2．熟练掌握在MATLAB中如何读取图像。
3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。
4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。
5．图像间如何转化。
二、实验原理及知识点1、数字图像的表示和类别一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。
灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。
例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。
因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。
图像关于x和y坐标以及振幅连续。
要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。
将坐标值数字化成为取样；将振幅数字化成为量化。
采样和量化的过程如图1所示。
因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。
作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。
图1 图像的采样和量化根据图像数据矩阵解释方法的不同，MA TLAB把其处理为4类：➢亮度图像(Intensity images)➢二值图像(Binary images)➢索引图像(Indexed images)➢RGB图像(RGB images)(1) 亮度图像一幅亮度图像是一个数据矩阵，其归一化的取值表示亮度。
若亮度图像的像素都是uint8类或uint16类，则它们的整数值范围分别是[0，255]和[0，65536]。
若图像是double类，则像素取值就是浮点数。
数字图像处理复习提纲
4. 图像分辨率的单位dpi表示单位长度（ ）上包含的像素数目。 A．米 B.厘米 C. 寸 D.英寸
5.一幅大小为16*16，灰度级为2的图像，像素点有（）个 A．256 B. 512 C. 1024
第2章 matlab软件 • 熟悉matlab界面：命令窗口、工作间、命令历史窗口、路
素少的灰度级，使灰度直方图均衡分布。
histeq,adapthisteq 2.直方图规定化：将直方图按照参考图像的直 方图进行均衡化
[hgram,x]=imhist(I1);
J=histeq(I,hgram) ; • 图像增强：突出有用的特征，便于分析和处理。
方法：直方图均衡化、图像平滑、图像锐化和伪彩色处理
• hold on/off
• grid on/off • 格式化：title，text, legend, label • 特殊字符：: \pi, \omega, \Theta, ^2
第4章 matlab工具箱 • 浏览工具箱：菜单栏-主页-？-image processing toolbox • 图像类型：RGB图像，索引图像，灰度图像，二值图像 • 各种图像的数据结构 • 图像的数据类型：uint8,uint16,double,im2double • 图像类型转换：rgb2gray; ind2rgb, rgb2ind; ind2gray,
• Fourier, DFT，FFT
• fft2, ifft2 • fftshift的作用 • 傅里叶变换的幅度谱和相位谱 • fft高频和低频滤波，字符识别 • 为什么引入DCT?保持傅里叶变换的功能有减少数据量。 • DCT主要用于图像压缩。
数字图像处理复习资料(11春季)
数字图像处理课程复习大纲——————上大（11春季）已扩展第1章绪论要求：掌握《数字图像处理》理论及技术的基础性概念；掌握数字图像处理这门学科的基本理论及技术架构；熟悉其应用领域，硬件系统及设备1.1.数字图像及应用数字图像，各种电磁波谱及各种图像成像技术，以及图像处理在各种行业当中的应用，不同波段的图像，图像类型，图像应用领域1.信息是事物存在的一种形式，数据是信息的“符号”载体；2.图像：用各种观测系统①以不同的形式和手段观测世界②而获得的，可以直接或间接作用于人眼③并进而产生视知觉的实体④3.图像在计算机里的表示形式就是所谓的“数字图像”。
4.数字图像处理的应用主要有三方面的因素需要考虑：存储器的容量，计算速度，传输带宽。
5.图像的分类：按灰度分：二值图像和多灰度图像；按色彩分：单色图像和彩色图像；按运动分类：静态图像和动态图像；按时空分布分类：二维图像，三维图像和多维图像。
6.图像处理的基本内容：图像信息的获取，图像的存储，图像的传输，图像处理。
1.2.图像工程概述图像处理3层次，数字图像处理于其他学科的关系1.图像工程的三个层次：图像理解，图像分析，图像处理；2.图像：主要特点为由一系列的具有不同灰度值的像素所组成；图形：主要特点为由一组数学公式描述。
1.3.图像表示和显示图像与函数，像素，图像的矩阵表示，图像的解析表示，图像输出设备1.一幅图像一般可以用一个2-D函数f(x, y)来表示（计算机中为一个2-D数组）。
2.一幅图像可分解为许多个单元。
每个基本单元叫做图像元素，简称像素。
3.将一个区域分成3*3个单元以输出10种不同的灰度。
用“区域”来代替“像素”。
4.抖动技术：通过调节或变动图像的幅度值来改善量化过粗图像的显示质量。
1.4.数字图像存储格式存储器件，图像文件格式主题词：不同波段的图像，数字图像，数字图像处理系统，图像成像技术；3-D图像，彩色图像，多光谱图像，立体图像，序列图像，深度图像，纹理图像，投影重建图像，合成图像；图像处理，图像分析，图像理解；图像的矩阵表示，半调输出，抖动技术，BMP，GIF，TIFF，JPEG1.图像文件格式：一种是矢量形式，另一种是光栅形式。
MATLAB图像的显示与格式转换
第五讲M A T L A B可视化(三)图像显示M a t l a b进行图像处理的步骤如下：↓↓↓↓【目录】一、图像文件格式 (2)1、调色板 (2)2、图像类型 (2)3、图像文件格式 (3)二、读图像和图像信息 (3)1、读取图像 (3)2、读取图像信息 (4)三、图像类别与数据格式 (6)四、图像显示 (8)1、i m s h o w(I,n) (8)2、i m s h o w(I,[l o w,h i g h]) (9)3、i m s h o w(B W) (10)4、i m s h o w(X,M A P) (14)5、i m s h o w(R G B) (15)6、i m s h o w f i l e n a m e (15)7、s u b i m a g e (16)五、保存图像 (17)1、i m w r i t e函数 (17)六、图像数据格式转换 (18)1、索引图像 (18)2、灰度图像 (18)3、真彩色图像 (19)4、二值图像 (19)【正文】一、图像文件格式1、调色板调色板是包含不同颜色的颜色表，每种颜色以红、绿、蓝三种颜色的组合来表示，图像的每一个像素对应一个数字，而该数字对应调色板中的一种颜色。
调色板的单元个数是与图像的颜色数相对应的，256色图像的调色板就有256个单元。
真彩图像的每个像素直接用R、G、B三个字节来表示颜色，因此不需要调色板。
2、图像类型3、图像文件格式二、读图像和图像信息1、读取图像函数i m r e a d可以从任何M a t l a b支持的图像文件格式中，以任意位深度读取一幅图像。
格式为：[X,M A P]=i m r e a d(F I L E N A M E,'F M T')，其中：F I L E N A M E－为需要读入的图像文件名称，F M T－为图像格式。
【例】图像读取演示[X1,M A P1]=i m r e a d('演示图像－1位黑白.t i f');[X2,M A P2]=i m r e a d('演示图像－8位灰度.t i f');[X3,M A P3]=i m r e a d('演示图像－256色.t i f');[X4,M A P4]=i m r e a d('演示图像－16位灰度.t i f');[X5,M A P5]=i m r e a d('演示图像－24位色.t i f');[X6,M A P6]=i m r e a d('演示图像－48位色.t i f');w h o sN a m e S i z e B y t e s C l a s sM A P10x00d o u b l e a r r a yM A P20x00d o u b l e a r r a yM A P3256x36144d o u b l e a r r a yM A P40x00d o u b l e a r r a yM A P50x00d o u b l e a r r a yM A P60x00d o u b l e a r r a yX1427x427182329l o g i c a l a r r a yX2427x427182329u i n t8a r r a yX3427x427182329u i n t8a r r a yX4427x427364658u i n t16a r r a yX5427x427x3546987u i n t8a r r a yX6427x427x31093974u i n t16a r r a yG r a n d t o t a l i s1824058e l e m e n t s u s i n g2558750b y t e s2、读取图像信息可以通过调用i m f i n f o函数获得与图像文件有关的信息，格式如下：I N F O=i m f i n f o(F I L E N A M E,'F M T')其中：返回的I N F O是M a t l a b的一个结构体。
《数字图像处理(matlab版)》教程课件
直
原
接
图
阈
像
值
分
割
0.25
算 法
算 法 算 法
割
分
法
算
OTSU
Niblack
KittlerMet
Kapur
割
分
值
阈
动
自
/2、图像的点运算
五、直方图均衡化
DB f
添 加 高 斯 白 噪 声
添 加 椒 盐 噪 声
/4、空间域图像增强 二、空间域滤波
滤波过程就是在图像f(x,y)中逐点移动模板，使模板中心和点(x,y)重合，滤波器 在每一点(x,y)的响应是根据模板的具体内容并通过预先定义的关系来计算的。
W(-1,-1) W(-1,0) W(-1,1)
W(0,-1) W(0,0) W(0,1)
原 图 像 及 直 方 图
图像变暗后灰度均衡化 图像变亮后灰度均衡化
/3、图像的几何变换
一、图像平移
正变换
1 0 0
[ x1 y1 1] [ x0 y0 1] 0 1 0
Tx
Ty
1
逆变换
1
0 0
[x0 y0 1] [x1 y1 1] 0
1 0
Tx
Ty
1
strel %用来创建形态学结构元素 translate(SE,[y x])%原结构元素SE上y和x方向平移 imdilate%形态学膨胀
thresh法：最大类间方差法自动单阈值分割。
Kapur算法：一维直方图熵阈值算法
niblack算法：局部阈值分割 阈值的计算公式是T = m + k*v，其中m为以该像素点为中心的区域的平 均灰度值，v是该区域的标准差，k是一个系数。
使用Matlab进行图像配色与调整的技巧与实例
使用Matlab进行图像配色与调整的技巧与实例一、引言图像处理是计算机视觉和图形学中的一个重要领域。
在这个数字时代，我们面临着大量的图像内容，因此需要通过技术手段对这些图像进行优化和调整，以满足用户需求。
本文将介绍如何使用Matlab对图像进行配色和调整的技巧，并通过实例进行说明。
二、Matlab在图像处理中的作用Matlab是一种功能强大的高级编程语言和交互式环境，广泛应用于科学和工程领域。
它提供了丰富的图像处理工具箱，以及各种函数和算法，可以方便地进行图像的加载、处理和保存等操作。
借助Matlab强大的功能，我们可以在图像处理中更加高效和便捷地实现我们的目标。
三、图像色彩空间的基本概念在进行图像配色和调整之前，我们首先需要了解色彩空间的基本概念。
色彩空间是描述图像颜色的一种数学模型。
常见的色彩空间有RGB、HSV、Lab等。
其中，RGB是最常用的色彩空间，它是通过红、绿、蓝三个通道的强度值来描述颜色的。
HSV色彩空间则将颜色分为色调(Hue)、饱和度(Saturation)和明度(Value)三个分量，更符合人类对颜色的感知。
Lab色彩空间则将颜色分为亮度(Lightness)、a 和b两个颜色分量，可以准确地描述颜色的特征。
四、图像配色的技巧1. 色调映射色调映射是一种常用的图像配色技巧，它可以改变图像的整体色调，从而产生不同的视觉效果。
在Matlab中，可以使用imadjust函数来实现该技巧。
通过调整色调映射函数的参数，我们可以改变图像的对比度和亮度，从而达到所需的效果。
例如，如果想要增强图像的对比度，可以使用imadjust函数提高图像的对比度参数。
2. 色彩转换色彩转换是将图像从一种色彩空间转换到另一种色彩空间的过程。
在Matlab中，可以使用rgb2hsv和hsv2rgb函数来实现RGB和HSV色彩空间之间的相互转换。
通过进行色彩转换，我们可以更加方便地对图像的色调、饱和度和明度等属性进行调整。
实验一数字图像文件基本类型的转换
BW=im2bw(I,level)
BW=im2bw(X,MAP,level) BW=im2bw(RGB,level)
索引、灰度、二进制图像的显示
格式：
imshow(I,n) 使用n个灰度级显示灰度图像I。 将I显示为灰度图像， 并指定灰度级范围。 imshow(X,MAP) 使用颜色图map显示索引图像。 imshow(I,[low high])
图像减法（函数：imsubtract（））
功能：实现两幅图像相减或图像减去一个常数。
图像乘法（函数像的亮度缩放。
图像除法（函数：imdivide（））
功能：实现两幅图像相除或图像的亮度缩放。
图像的空间域操作
图像的缩放（函数：imresize（）） 格式：J=imresize(I，n)
每个点为两离散值中的一个，这两个值代表开或 关。 二进制图像保存在一个二维的由0（关）和1（开） 组成的矩阵中。从另一个角度讲，二进制图像可以看成 为一个仅包含黑与白的特殊灰度图像，也可看作仅有两 种颜色的索引图像。
（4）RGB图像
RGB图像分别用红、绿、蓝三个亮度值为一组，代
表每个象素的颜色。这些亮度值直接存在图像数组中，
而不是存放在颜色图中。
图像数组为m*n*3，m和n表示图像像素的行列数。
几种图像之间的转换：
通过matlab工具箱提供的函数来实现：
索引图像（ind）、灰度图像（gray）、 RGB图像（rgb）
1)灰度图像与索引图像的相互转换: gray2ind( ) 格式： ind2gray( )
[X,MAP]=gray2ind(I,[n])
数字图像处理的主要研究内容
图像处理、图像分析和图像理解。 图像处理：
数字图像处理及MATLAB实现实验四——图像变换
数字图像处理及MATLAB实现实验四——图像变换1.图像的傅⾥叶变换⼀（平移性质）傅⾥叶变换的平移性质表明了函数与⼀个指数项相乘等于将变换后的空域中⼼移到新的位置，并且平移不改变频谱的幅值。
I=imread('1.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI); %求离散傅⾥叶频谱%对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;figure(2)imshow(real(a));I=imread('2.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI); %求离散傅⾥叶频谱%对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;figure(2)imshow(real(a));I=imread('3.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI); %求离散傅⾥叶频谱%对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;figure(2)imshow(real(a));实验结果符合傅⾥叶变换平移性质2.图像的傅⾥叶变换⼆（旋转性质）%构造原始图像I=zeros(256,256);I(88:168,124:132)=1; %图像范围是256*256，前⼀值是纵向⽐，后⼀值是横向⽐imshow(I)%求原始图像的傅⾥叶频谱J=fft2(I);F=abs(J);J1=fftshift(F);figureimshow(J1,[550])%对原始图像进⾏旋转J=imrotate(I,90,'bilinear','crop');figureimshow(J)%求旋转后图像的傅⾥叶频谱J=fft2(I);F=abs(J);J2=fftshift(F);figureimshow(J2,[550])3.图像的离散余弦变换⼀%对cameraman.tif⽂件计算⼆维DCT变换RGB=imread('cameraman.tif');figure(1)imshow(RGB)I=rgb2gray(RGB);%真彩⾊图像转换成灰度图像J=dct2(I);%计算⼆维DCT变换figure(2)imshow(log(abs(J)),[])%图像⼤部分能量集中在左上⾓处figure(3);J(abs(J)<10)=0;%把变换矩阵中⼩于10的值置换为0，然后⽤idct2重构图像K=idct2(J)/255;imshow(K)4.图像的离散余弦变换⼆% I=imread('1.bmp');% figure(1)% imshow(real(I));% I=I(:,:,3);% fftI=fft2(I);% sfftI=fftshift(fftI); %求离散傅⾥叶频谱% %对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置% RRfdp1=real(sfftI);% IIfdp1=imag(sfftI);% a=sqrt(RRfdp1.^2+IIfdp1.^2);% a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;% figure(2)% imshow(real(a));% I=imread('2.bmp');% figure(1)% imshow(real(I));% I=I(:,:,3);% fftI=fft2(I);% sfftI=fftshift(fftI); %求离散傅⾥叶频谱% %对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置% RRfdp1=real(sfftI);% IIfdp1=imag(sfftI);% a=sqrt(RRfdp1.^2+IIfdp1.^2);% a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;% figure(2)% imshow(real(a));% I=imread('3.bmp');% figure(1)% imshow(real(I));% I=I(:,:,3);% fftI=fft2(I);% sfftI=fftshift(fftI); %求离散傅⾥叶频谱% %对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置% RRfdp1=real(sfftI);% IIfdp1=imag(sfftI);% a=sqrt(RRfdp1.^2+IIfdp1.^2);% a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;% figure(2)% imshow(real(a));% %构造原始图像% I=zeros(256,256);% I(88:168,124:132)=1; %图像范围是256*256，前⼀值是纵向⽐，后⼀值是横向⽐% imshow(I)% %求原始图像的傅⾥叶频谱% J=fft2(I);% F=abs(J);% J1=fftshift(F);figure% imshow(J1,[550])% %对原始图像进⾏旋转% J=imrotate(I,90,'bilinear','crop');% figure% imshow(J)% %求旋转后图像的傅⾥叶频谱% J=fft2(I);% F=abs(J);% J2=fftshift(F);figure% imshow(J2,[550])% %对cameraman.tif⽂件计算⼆维DCT变换% RGB=imread('cameraman.tif');% figure(1)% imshow(RGB)% I=rgb2gray(RGB);% %真彩⾊图像转换成灰度图像% J=dct2(I);% %计算⼆维DCT变换% figure(2)% imshow(log(abs(J)),[])% %图像⼤部分能量集中在左上⾓处% figure(3);% J(abs(J)<10)=0;% %把变换矩阵中⼩于10的值置换为0，然后⽤idct2重构图像% K=idct2(J)/255;% imshow(K)RGB=imread('cameraman.tif');I=rgb2gray(RGB);I=im2double(I); %转换图像矩阵为双精度型T=dctmtx(8); %产⽣⼆维DCT变换矩阵%矩阵T及其转置T'是DCT函数P1*X*P2的参数B=blkproc(I,[88],'P1*x*P2',T,T');maxk1=[ 1111000011100000110000001000000000000000000000000000000000000000 ]; %⼆值掩模，⽤来压缩DCT系数B2=blkproc(B,[88],'P1.*x',mask1); %只保留DCT变换的10个系数I2=blkproc(B2,[88],'P1*x*P2',T',T); %重构图像figure,imshow(T);figure,imshow(B2);figure,imshow(I2);RGB=imread('cameraman.tif');I=rgb2gray(RGB);I=im2double(I); %转换图像矩阵为双精度型T=dctmtx(8); %产⽣⼆维DCT变换矩阵%矩阵T及其转置T'是DCT函数P1*X*P2的参数B=blkproc(I,[88],'P1*x*P2',T,T');maxk1=[ 1111000011100000100000000000000000000000000000000000000000000000 ]; %⼆值掩模，⽤来压缩DCT系数B2=blkproc(B,[88],'P1.*x',mask1); %只保留DCT变换的10个系数I2=blkproc(B2,[88],'P1*x*P2',T',T); %重构图像figure,imshow(T);figure,imshow(B2);figure,imshow(I2);5.图像的哈达玛变换cr=0.5;I=imread('cameraman.tif');I=im2double(I)/255; %将读⼊的unit8类型的RGB图像I转换为double类型的数据figure(1),imshow(I);%显⽰%求图像⼤⼩[m_I,n_I]=size(I); %提取矩阵I的⾏列数，m_I为I的⾏数，n_I为I的列数sizi=8;snum=64;%分块处理t=hadamard(sizi) %⽣成8*8的哈达码矩阵hdcoe=blkproc(I,[sizi sizi],'P1*x*P2',t,t');%将图⽚分成8*8像素块进⾏哈达码变换%重新排列系数CE=im2col(hdcoe,[sizi,sizi],'distinct');%将矩阵hdcode分为8*8互不重叠的⼦矩阵，再将每个⼦矩阵作为CE的⼀列[Y Ind]=sort(CE); %对CE进⾏升序排序%舍去⽅差较⼩的系数，保留原系数的⼆分之⼀，即32个系数[m,n]=size(CE);%提取矩阵CE的⾏列数，m为CE的⾏数，n为CE的列数snum=snum-snum*cr;for i=1:nCE(Ind(1:snum),i)=0;end%重建图像re_hdcoe=col2im(CE,[sizi,sizi],[m_I,n_I],'distinct');%将矩阵的列重新组织到块中re_I=blkproc(re_hdcoe,[sizi sizi],'P1*x*P2',t',t);%进⾏反哈达码变换，得到压缩后的图像re_I=double(re_I)/64; %转换为double类型的数据figure(2);imshow(re_I);%计算原始图像和压缩后图像的误差error=I.^2-re_I.^2;MSE=sum(error(:))/prod(size(re_I));。
《数字图像处理》-教学大纲
《数字图像处理》课程教学大纲Digital image processing一、教学目标及教学要求数字图像处理课程是智能科学与技术、数字媒体技术等专业的专业必修课。
主要目标及要求是通过该课程的学习，使学生初步掌握数字图像处理的基本概念、基本原理、基本技术和基本处理方法，了解数字图像的获取、存储、传输、显示等方面的方法、技术及应用，为学习相关的数字媒体、视频媒体和机器视觉等课程，以及今后从事数字媒体、视频媒体、图像处理和计算机视觉等领域的技术研究与系统开发打下坚实的理论与技术基础。
二、本课程的重点和难点（一）课程教学重点教学重点内容包括：图像的表示，空间分辨率和灰度级分辨率，图像直方图和直方图均衡，基于空间平滑滤波的图像增强方法，基于空间锐化滤波的图像增强方法，图像的傅里叶频谱及其特性分析，图像编码模型、霍夫曼编码和变换编码，图像的边缘特征及其检测方法，彩色模型，二值形态学中的有腐蚀运算和膨胀运算。
（二）课程教学难点教学难点包括：直方图均衡，二维离散傅里叶变换的若干重要性质、图像的傅里叶频谱及其特性分析，变换编码，小波变换的概念、嵌入式零树小波编码，图像的纹理特征及其描述和提取方法，Matlab图像处理算法编程。
三、主要实践性教学环节及要求本课程的实验及实践性环节要求使用Matlab软件平台，编写程序实现相关的数字图像处理算法及功能，并进行实验验证。
课程实验与实践共10学时，分别为：实验一：图像基本运算实验（2学时）。
实验二：图像平滑滤波去噪实验（2学时）。
实验三：图像中值滤波去噪实验（2学时）。
实验四：图像边缘检测实验（2学时）。
相关图像处理算法的课堂演示验证（2学时）。
要求每个学生在总结实验准备、实验过程和收获体会的基础上，写出实验报告。
四、采用的教学手段和方法利用多媒体课件梳理课程内容和讲授思路，合理运用启发式教学方式激发学生的思考力，采用讨论式教学方式增强教学过程的互动效果，理论教授与应用实例编程实践相结合，提高学生的分析和解决问题的能力。
MATLABImageProcessing图像处理入门教程
MATLABImageProcessing图像处理入门教程MATLAB图像处理入门教程第一章：图像处理基础知识图像处理是指对于数字图像进行各种操作和处理的过程。
在本章中，我们将介绍一些基础的图像处理知识。
1.1 数字图像表示数字图像是由像素组成的二维数组，每个像素表示图像中的一个点。
每个像素的值表示该点的亮度或颜色。
1.2 MATLAB中的图像表示在MATLAB中，图像可以用二维矩阵表示，其中每个元素对应一个像素的亮度或颜色值。
常见的图像格式包括灰度图像和彩色图像。
1.3 图像读取和显示使用MATLAB的imread函数可以读取图像文件，imshow函数可以显示图像。
第二章：图像预处理在进行实际的图像处理之前，通常需要对图像进行预处理，以提取感兴趣的信息或减少噪声。
2.1 图像平滑平滑操作可以减少图像中的噪声。
常见的平滑方法包括均值滤波和高斯滤波。
2.2 边缘检测边缘检测可以找到图像中的边缘区域。
常用的边缘检测算法包括Sobel算子和Canny算子。
2.3 图像分割图像分割可以将图像划分为不同的区域，以便后续的处理。
常见的图像分割算法包括阈值分割和区域生长算法。
第三章：图像增强图像增强可以提高图像的质量和清晰度，使图像更易于理解和分析。
3.1 直方图均衡化直方图均衡化可以增强图像的对比度，使图像的灰度值分布更均匀。
3.2 锐化锐化操作可以增强图像的边缘和细节。
常见的锐化算法包括拉普拉斯算子和Sobel算子。
3.3 噪声去除噪声去除可以降低图像中的噪声，使图像更清晰。
常见的噪声去除方法包括中值滤波和小波去噪。
第四章：图像分析图像分析可以从图像中提取出感兴趣的特征或对象。
4.1 特征提取特征提取可以从图像中提取出具有代表性的特征，可以用于图像分类和识别。
4.2 图像匹配图像匹配可以找到图像中相似的区域或对象。
常见的图像匹配方法包括模板匹配和特征点匹配。
4.3 图像识别图像识别可以根据图像的特征和模式来判断图像中的对象或场景。
数字图像处理(MATLAB版)(第2版)
目录分析
1.1数字图像处理的 发展
1.2数字图像的相关 概念
1.3数字图像处理的 内容
1.4数字图像处理的 方法
1
1.5图像数字 化技术
2
1.6图像的统 计特征
3
1.7数字图像 的应用
4
1.8 MATLAB 领略
5 1.9 MATLAB
图像处理应用 实例
小结
习题
1
2.1图像类型 的转换
2
2.2线性系统
数字图像处理（MATLAB版）（第2版）
读书笔记模板
01 思维导图
03 目录分析 05 读书笔记
目录
02 内容摘要 04 作者介绍 06 精彩摘录
思维导图
本书关键字分析思维导图
几何变换
技术
图像
基础
图像
特征
数字图像处理
版
数字图像
内容 小结
数字图像
第版
习题
边界
第章
图像增强
滤波
运算
内容摘要
本书主要内容包括：全书共10章，分别介绍了数字图像的相关论述、数字图像的处理基础、图像编码、图像 复原、图像几何变换、图像频域变换、图像几何变换、小波变换、图像增强、图像分割与边缘检测及图像特征描 述等内容。
10.8形态学重建 10.9特征度量
小结 10.10查表操作
习题
作者介绍
这是《数字图像处理（MATLAB版）（第2版）》的读书笔记模板，暂无该书作者的介绍。
读书笔记
这是《数字图像处理（MATLAB版）（第2版）》的读书笔记模板，可以替换为自己的心得。
精彩摘录
这是《数字图像处理（MATLAB版）（第2版）》的读书笔记模板，可以替换为自己的精彩内容摘录。
数字图像处理4
1. 图像显示
1. Colorbar 功能：在显示图像时，显示颜色条，以显示图像中颜色的变化
பைடு நூலகம்
情况。
格式:(1) colorbar;(2) colorbar(‘vert’);(3) colorbar(‘hotiz’);
例：
(4) H=colorbar(…);(5) colorbar(H) load trees;
1. 图像显示
2. image 功能：显示图像. 格式: (1) image; (2) image(C); (3) image(X,Y,C)
格式(3)的用法: I=imread(‘flowers.tif’); image([10 100],[50 200],I); (这里:从[10 ,50] 到[100 200]显示, X(1)=10, Y(1)=50;X(362)=100,X(500)=200) 注: 对于格式(2),若I为一灰度图像,试图用它显示I是不合适的,如: I=imread(‘f:\lb\myimage\lena7.gif’); image(I); （伪彩色）
1. 图像显示
3. subimage 功能：显示图像. 格式: (1) subimage(X,map); (2) subimage(I); (3) subimage(RGB);
注:由格式(1)、(2)、(3)可知：subimage可用于显示索引、灰度、彩 色图像,适用范围广。(与image的区别) 例:
矩阵可以是双精度类型，其值域为[0，1]；也可以为uint8类型，其 数据范围为[0，255]。矩阵的每一个元素值代表不同的亮度或灰度 级，亮度值为0，表示黑色，亮度值为1(或者uint8类型的255)代表 白色。
例：lena7.gif (灰度值范围为[0，255]) I=imread(‘f:\lb\myimage\lena7.gif’); I=double(I)/255;(灰度值范围为[0，1])
MATLAB仿真软件进行图像的输入、输出和格式变换
目录摘要 (I)Abstract (II)1 图像文件格式及图像类型 (1)1．1 MATLAB支持的几种图像文件格式： (1)1．2 matlab几种图像类型 (2)2 图像的输入 (4)3.图像的输入 (6)3.1以图像形式输出（图像的显示） (6)3.1.1索引图像的显示 (6)3.1.2灰度图像的显示 (7)3.1.3二值图像的显示 (8)3.1.4 RGB图像的显示 (8)3.2以图像文件的形式输出 (9)4 图像的保存 (11)5 图像类型转换 (13)5.1 RGB转换成灰度图像 (13)5.2 灰度图像转换为索引图像 (13)5.3 灰度图像转化为二值图像 (14)5.4 RGB图像转化为索引图像 (15)6 课设总结 (16)参考文献 (17)附录 (18)附录1：图像显示代码 (18)附录2：图像转换代码 (19)MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。
MATLAB 本身就是功能强大的数据可视化工具，可以通过各种形式显示分析数据，例如灰度直方图、等高线、蒙太奇混合、像素分析、图层变换以及材质贴图等。
利用可视化的图形，不仅能够评估图形图像的特性，还能够分析图像中的色彩分布等情况。
本次课程设计介就是Matlab环境下的一些最基本的图像处理操作，如读取、保存和显示不同格式的图像，并进行图像格式的相互变换如索引图像、灰度图像、RGB图像和二值图像的相互转换。
关键词：MATLAB ；图像处理；图像转换The MathWorks Inc. MATLAB is a U.S. commercial mathematics software for algorithm development, data visualization, data analysis and numerical calculation senior technical computing language and interactive environment, including MATLAB and Simulink two parts. As a powerful scientific computing platforms, it can almost satisfy all the calculations that needs. MATLAB itself is a powerful tool of data visualization that can display data through various forms, such as graylevel histogram, contours, montage mixing, pixel analysis, the layer texture and transformation. With visual graphics, it can not only evaluate image characteristics, but also analyze the distribution of color image.The curriculum is designed to refer some basic image processing operations Matlab environment, such as read, save and display images of different formats and image formats such as index mutual transform images, grayscale images, RGB image and binary image conversion.Keyword: MATLAB；image operation；image exchange1 图像文件格式及图像类型1．1 MATLAB支持的几种图像文件格式：⑴JPEG（Joint Photogyaphic Expeyts Group）：一种称为联合图像专家组的图像压缩格式。
数字图像处理 第4章 色彩模型及转换
实际上：不同比例的油墨三原色的组合可以在
标准胶印中产生一个中性灰
C：85%
M：82%
Y：78%
C：34%、
M：25%、
2020/9/23
Y：24%
32
印刷灰平衡：指黄品青三色油墨按不同网点面 积率配比在印刷品上生成中性灰
◎彩色构成 所有的色调都由青、品、黄三原色组成
◎底色去除UCR：一部分非彩色成分由黑色取代
色域映射算法应满足以下基本原则：
◎保持彩色图像的色调不变，即色相角不能偏移
◎保持最大的明度对比度。
◎202饱0/9/2和3 度的改变尽可能的小
36
2.RGB与HSI的色彩转换 ①RGB到HSI的颜色转换
红色=00或 3 60 0 当 ＢＧ
H 3600 - 当 ＢＧ
arccos
(R G) (R B)
道图像等。 2020/9/23
8
②色彩空间 对应着不同的色彩模型处理的色彩数据和文
件的集合 ③色彩模型与色彩空间之间的关系
色彩模型——呈色原理——确定的数值 色彩空间——呈色设备——不同的参数 色彩空间的选择和设置是色彩处理的基础
2.RGB色彩模型
基于自然界中3种原色光的混合原理，将红 、绿 和蓝3种原色按照从0（黑）到255（白色）的亮 度202值0/9/23在每个色阶中分配，从而指定其色彩的算法9
7
二、色彩模型与色彩空间
1.概念 ①色彩模式（颜色模型） ：
用数值表示颜色的一种算法
确定图像中能显示的颜色数、影响图像的通
道数和文件大小 光谱数据——可见光谱图像
调色板数据——索引彩色图像 常用的图像色彩模式有：
二值图像、灰度图像、多色调图像、索引彩色
Matlab图像颜色空间转换
Matlab图像颜色空间转换实验内容用matlab软件编程实现下述任务：读入彩色图像，提取其中的R、G、B颜色分量，并展示出来。
我们学习了多种表示图像的颜色空间，请编写程序将图像转换到YUV、YIQ、YCrCb、HIS、CMY等颜色空间，并展示出来。
颜色空间的转化关系参考以下公式：原始图片三个色调分量YUV与RGB之间的转换Y＝0.229R＋0.587G＋0.114B U＝－0.147R－0.289G+0.436B V=0.615R－0.515G－0.100BYIQ与RGB之间的转换Y＝0.299R＋0.587G＋0.114B I＝0.596R－0.275G－0.321B Q=0.212R－0.523G＋0.311BYCrCb与RGB之间的转换Y = 0.2990R + 0.5870G + 0.1140B Cr = 0.5000R - 0.4187G - 0.0813B + 128Cb = -0.1687R - 0.3313G + 0.5000B + 128HSI与RGB之间的转换I＝〔R＋G＋B〕/3H＝arccos{ 0.5*((R-G)+(R-B)) / ((R-G)^2 + (R-B)(G-B))^0.5} S=1-[min〔R，G，B〕/ I ]CMY 与RGB 之间的转换⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡B G R Y M C 111心得体会查阅了很多资料，并且学习了关于matlab实现图像颜色空间转换的过程。
不同的颜色空间在描述图像的颜色时侧重点不同。
如RGB〔红、绿、蓝三原色〕颜色空间适用于彩色监视器和彩色摄像机，HSI〔色调、饱和度、亮度〕更符合人描述和解释颜色的方式〔或称为HSV，色调、饱和度、亮度〕，CMY〔青、深红、黄〕、CMYK〔青、深红、黄、黑。
〕主要针对彩色打印机、复印机等，YIQ〔亮度、色差、色差〕是用于NTSC规定的电视系统格式，YUV〔亮度、色差、色差〕是用于PAL规定的电视系统格式，YCbCr〔亮度单一要素、蓝色与参考值的差值、红色与参考值的差值〕在数字影像中广泛应用。
在matlab中实现图像的读取与转换 (恢复)
在matlab中实现图像的读取与转换：1.读取图像（1）读取索引图像ind[X,map]=imread('f:\ind.bmp');image(X); %显示矩阵x图像的结构colormap(map) %设置色图，用image必须有色阵图或者[X,map]=imread('f:\ind.bmp');imshow(X)或者：im=imread('bottle.png');%i m是任意取得名字，注意把图片放在matlab的工作区，及M文件所放的位置(M 文件也一定放在matlab work区，否则路径不对调用不了)（2）读取灰度图像grayI=imread('f:\gray.bmp');imshow(I)或者I=imread('f:\gray.bmp');imagesc(I,[0 255]); %预处理colormap(gray); %灰度处理，显示灰度图像结构pause %停留imshow(I) %显示灰度图像（3）读取彩色图像RGBRGB=imread('f:\rgb.bmp');image(RGB); %显示RGB图像的结构pause;imshow(RGB); %显示RGB图像（4）读取二值图像BWBW=imread('f:\bw.bmp');imshow(BW)1.图像转换（1）彩色Rgb到灰度gray[X,map]=imread('f:\rgb.jpg');subplot(211),imshow(X);I=rgb2gray(X);subplot(212),imshow(I,map)或者RGB=imread('f:\rgb.jpg');subplot(211),imshow(RGB);I=rgb2gray(RGB);subplot(212),imshow(I)（2）彩色rgb到索引indRGB=imread('f:\rgb.jpg');subplot(211),imshow(RGB);[X,map]=rgb2ind(RGB,8);subplot(212),imshow(X,map)（3）彩色RGB到二值bwRGB=imread('f:\rgb.jpg');subplot(211),imshow(RGB);level=graythresh(RGB);BW=im2bw(RGB,level);subplot(212),imshow(BW)Matlab 最大值滤波中值滤波最小值滤波函数ordfilt2 ordfilt2函数在MATLAB图像处理工具箱中提供了二维统计顺序滤波函数ordfilt2函数。
matlab图像类型转换
matlab中图像数据类型转换分类：matlab 2012-05-16 09:10 3662人阅读评论(2) 收藏举报matlabtiff图像处理存储image图形Matlab中的图像数据类型转换MATLAB中读入图像的数据类型是uint8，而在矩阵中使用的数据类型是double因此 I2=im2double(I1) :把图像数组I1转换成double精度类型；如果不转换，在对uint8进行加减时会产生溢出，可能提示的错误为：Function '*' is not defined for values of class 'uint8'。
图像数据类型转换函数默认情况下，matlab将图像中的数据存储为double型，即64位浮点数；matlab还支持无符号整型（uint8和uint16）；uint型的优势在于节省空间，涉及运算时要转换成double型。
im2double():将图像数组转换成double精度类型im2uint8():将图像数组转换成unit8类型im2uint16():将图像数组转换成unit16类型但是：对double型图像用im2uint8()，会出现问题。
double默认为0-1之间的数，uint8为0-255之间的数，如果数组uint8型x1=｛0，1，2｝，转化后为x2={0，0.5，1}；如果数组double型y1=｛0，1，2｝，转化后为y2=｛0，255，255｝；在用matlab工具箱做直方图处理时，图像必须为整型，即如果是double型，必须转化为整型解决办法：图像处理工具箱1. 图像和图像数据缺省情况下，MATLAB将图像中的数据存储为双精度类型(double)，64位浮点数，所需存储量很大；MATLAB还支持另一种类型无符号整型(uint8)，即图像矩阵中每个数据占用1个字节。
在使用MATLAB工具箱时，一定要注意函数所要求的参数类型。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第四章 图像类型与 彩色模型的转换（附）【目录】一、图像类型的转换 (1)1、真彩图像→索引图像 .................................... 2 2、索引图像→真彩图像 .................................... 3 3、真彩图像→灰度图像 .................................... 3 4、真彩图像→二值图像 .................................... 3 5、索引图像→灰度图像 .................................... 4 6、灰度图像→索引图像 .................................... 4 7、灰度图像→二值图像 .................................... 5 8、索引图像→二值图像 .................................... 6 9、数据矩阵→灰度图像 (6)二、彩色模型的转换 (6)1、图像的彩色模型 ........................................ 6 2、彩色转换函数 (7)三、纹理映射 (9)【正文】一、图像类型的转换1、真彩图像→索引图像【格式】X=d i t h e r(R G B,m a p)【说明】按指定的颜色表m a p通过颜色抖动实现转换颜色抖动即改变像素点的颜色，使像素颜色近似于色图的颜色，从而以空间分辨率来换取颜色分辨率。
【输入】R G B可以是d o u b l e、u i n t16或u i n t8类型【输出】X超过256色则为u i n t16类型，否则输出为u i n t8型【例】C L FR G B=i m r e a d('f l o w e r s.t i f');m a p=j e t(256);X=d i t h e r(R G B,m a p);s u b p l o t(1,2,1);s u b i m a g e(R G B);t i t l e('真彩图')s u b p l o t(1,2,2);s u b i m a g e(X,m a p);t i t l e('索引图')2、索引图像→真彩图像【格式】R G B=i n d2r g b(X,m a p)具有调色板m a p的索引图像X转换成真彩色图像R G B，实际实现时就是产生一个三维数据矩阵，然后将索引图像对应的调色板颜色赋予三维数据矩阵。
【输入】X可以是d o u b l e、u i n t16或u i n t8类型【输出】R G B为d o u b l e类型【例】C L F,l o a d t r e e s;R G B=i n d2r g b(X,m a p);s u b p l o t(1,2,1);s u b i m a g e(X,m a p);t i t l e('索引图')s u b p l o t(1,2,2);s u b i m a g e(R G B);t i t l e('真彩图')3、真彩图像→灰度图像【格式】I=r g b2g r a y(R G B)【输入】R G B可以是d o u b l e、u i n t16或u i n t8类型【输出】I类型同R G B【例】C L F,R G B=i m r e a d('f l o w e r s.t i f');I=r g b2g r a y(R G B);s u b p l o t(1,2,1);s u b i m a g e(R G B);t i t l e('真彩图')s u b p l o t(1,2,2);s u b i m a g e(I);t i t l e('灰度图')4、真彩图像→二值图像【格式】B W=i m2b w(R G B,l e v e l)【说明】设置亮度阈值l e v e l，将真彩图像转换为二值图像。
L e v e l是归一化的阈值，值域范围为[01]；l e v e l可以由函数g r a y t h r e s h(I)计算得到。
【输入】R G B可以是d o u b l e、u i n t16或u i n t8类型【输出】B W为u i n t8型【例】C L F,R G B=i m r e a d('f l o w e r s.t i f');B W=i m2b w(R G B,0.5);s u b p l o t(1,2,1);s u b i m a g e(R G B);t i t l e('真彩图')s u b p l o t(1,2,2);s u b i m a g e(B W);t i t l e('二值图')5、索引图像→灰度图像【格式1】I=i n d2g r a y(X,m a p)【格式2】N e w m a p=r g b2g r a y(m a p)【说明】格式2将彩色调色板m a p转换为灰度调色板N e w m a p【输入】X可以是d o u b l e、u i n t16或u i n t8类型，m a p为d o u b l e类型【输出】I是d o u b l e类型，N e w m a p为d o u b l e类型【例】C L F,l o a d t r e e s;I=i n d2g r a y(X,m a p);N e w m a p=r g b2g r a y(m a p);s u b p l o t(2,2,1);s u b i m a g e(X,m a p);t i t l e('索引图')s u b p l o t(2,2,3);s u b i m a g e(I);t i t l e('格式1灰度图')s u b p l o t(2,2,4);s u b i m a g e(X,N e w m a p);t i t l e('格式2灰度图')6、灰度图像→索引图像【格式1】1、[X,m a p]=g r a y2i n d(I,n)2、X=g r a y s l i c e(I,n)3、X=g r a y s l i c e(I,v)【说明】格式1：将灰度图像转换为灰度级为n的索引图像X，n的默认值为64；格式2：将灰度图像I均匀量化为n个等级，然后转换为伪彩色图像X；格式3：按指定的阈值矢量v(其中每个元素在0和1之间)对图像I进行阈值划分，然后转换成索引图像【输入】I可以是d o u b l e类型、u i n t8类型和u i n t16类型【输出】m a p的行不大于256，则X为u i n t8类型，否则为u i n t16类型【例】C L F,I=i m r e a d('r i c e.t i f');[X1,m a p1]=g r a y2i n d(I,16);X2=g r a y s l i c e(I,8);X3=g r a y s l i c e(I,255*[00.210.230.260.300.350.61.0]');s u b p l o t(2,2,1);s u b i m a g e(I);t i t l e('灰度图')s u b p l o t(2,2,2);s u b i m a g e(X1,m a p1);t i t l e('16灰度级图')s u b p l o t(2,2,3);s u b i m a g e(X2,h o t(8));t i t l e('均匀量化图')s u b p l o t(2,2,4);s u b i m a g e(X3,j e t(8));t i t l e('非均匀量化图')7、灰度图像→二值图像【格式一】B W=d i t h e r(I)；【格式二】B W=i m2b w(I,l e v e l)【说明】格式一用抖动的方式实现转换，格式二用阈值方式转换【输入】I可以是d o u b l e类型和u i n t8类型【输出】B W支持逻辑0和1类型（一般为d o u b l e类型）【例】C L F,I=i m r e a d('s a t u r n.t i f');B W1=d i t h e r(I);B W2=i m2b w(I,0.5);s u b p l o t(2,2,1);s u b i m a g e(I);t i t l e('灰度图')s u b p l o t(2,2,3);s u b i m a g e(B W1);t i t l e('抖动二值化')s u b p l o t(2,2,4);s u b i m a g e(B W2);t i t l e('阈值二值化')8、索引图像→二值图像【格式】B W=i m2b w(X,m a p,l e v e l)【输入】X可以是d o u b l e、u i n t16或u i n t8类型【输出】B W为u i n t8类型【例】C L F,l o a d t r e e s;B W=i m2b w(X,m a p,0.5);s u b p l o t(1,2,1);s u b i m a g e(X,m a p);t i t l e('索引图')s u b p l o t(1,2,2);s u b i m a g e(B W);t i t l e('二值图')9、数据矩阵→灰度图像【格式】1、I=m a t2g r a y(A,[m a x,m i n])2、I=m a t2g r a y(A)【说明】按指定的取值区间[m a x,m i n]将数据矩阵A转换为灰度图像I，a m i n是灰度最暗的值（0值），a m a x是灰度最亮的值（1值）。
如不指定区间，自动取最大区间。
【输入】A为d o u b l e类型【输出】I为d o u b l e类型【例】C L F;I=i m r e a d('r i c e.t i f');A=f i l t e r2(f s p e c i a l('s o b e l'),I);J=m a t2g r a y(A);s u b p l o t(1,2,1);s u b i m a g e(I);t i t l e('原图')s u b p l o t(1,2,2);s u b i m a g e(J);t i t l e('转换图')二、彩色模型的转换1、图像的彩色模型(1)R G B模型是色光的彩色模式，R代表红色，G代表绿色，B代表蓝色。